典型文献
基于时空信息组合的分布式光伏功率预测方法研究
文献摘要：
为保障电网安全稳定运行,提高光伏电站经济效益,需要进一步提升光伏功率预测的准确性.为此提出一种基于时空信息组合的分布式光伏功率预测方法.首先,基于极度梯度提升-长短时记忆神经网络(XGBoost-LSTM)集成模型,利用光伏历史数据时间序列进行预测;然后,基于最小二乘支持向量机(LSSVM)模型,利用光伏电站间的空间相关性进行预测;最后,基于信息熵的基本原理,结合多误差评价角度改进的信息熵确定2种单一预测方法的权值,构建时空信息组合预测模型.研究结果表明:基于多误差评价标准的信息熵权的XGBoost-LSTM+LSSVM模型的平均绝对误差与基于交叉熵的组合模型和基于信息熵的组合模型相比,分别下降1.6％、8.3％;结合单一预测模型的优势,组合模型可降低预测误差,基于多误差评价标准的信息熵组合模型具有更高的鲁棒性与综合性能,可提升分布式光伏功率预测的准确性.
文献关键词：
光伏功率预测;集成学习;LSTM;LSSVM;熵权法
中图分类号：
作者姓名：
杨锡运;赵泽宇;杨岩;张艳峰
作者机构：
华北电力大学控制与计算机工程学院,北京 102206
文献出处：
引用格式：
[1]杨锡运;赵泽宇;杨岩;张艳峰-.基于时空信息组合的分布式光伏功率预测方法研究)[J].热力发电,2022(08):64-72
A类：
LSTM+LSSVM
B类：
时空信息,信息组,分布式光伏功率,光伏功率预测,电网安全,安全稳定运行,光伏电站,极度,梯度提升,长短时记忆神经网络,XGBoost,集成模型,利用光,历史数据,最小二乘支持向量机,空间相关性,信息熵,权值,组合预测模型,平均绝对误差,交叉熵,组合模型,别下,预测误差,集成学习
AB值：
0.213222
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
